Telenor finner kundestemmene i Big Data3 min read

Paal SundsoyJohannes Bjelland

Pål Sundsøy (venstre) og Johannes Bjelland, Data Scientists i Telenor Group Research, Data Science team

 

 Telenor Group er en av verdens største mobiloperatør med 172 millioner mobilkunder. De har mobil-operasjoner i 13 land og i tillegg 17 markeder via eierskap i Vimpelcom Ltd.


Når det snakkes om ‘Big Data’ så tenker man gjerne på nett-selskaper som Google, Facebook og Amazon.  Men Telenors millioner av kunder genererer også store mengder data. Tradisjonelt har disse kun blitt brukt til lite annet enn å generere en faktura.

 

Telenor Research har et team med ‘Data Scientists’ som jobber på tvers av alle Telenors markeder for å utvikle nye metoder for å utnytte og trekke ut innsikt fra enorme datamengder.  På årets GOBI-konferanse vil de presentere noe av det de jobber med.

 

Et viktig mål er å bruke data til å bli relevant for kunden: Data er kundenes stemme og er et av de viktigste verktøyene for å virkelig kunne forstå kunden og markedet.

 

Et eksempel på dette er markedsføring i asiatiske markeder. Dette er land som domineres av kontantkort-brukere. Kontantkort kjøpes på gata og man har gjerne veldig lite kunnskap om hvem kunden er. I tillegg er det en utfordring at en kunde har flere SIM-kort, både fra Telenor og fra konkurrerende selskap.  Samtidig er direkte markedsføring via SMS er en viktig salgs og informasjonskanal.   Når man da har lite kundeinformasjon blir det vanskelig å segmentere kundemassen og man ender ofte opp med å sende ut informasjon og tilbud som ikke er relevant for mottakeren.

 

Dette medfører et betydelig SPAM-problem: For mange irrelevante tilbud gjør at fremtidige SMS blir ignorert av kunden og dermed ødelegges en viktig informasjonskanal. I tillegg kan kundetilfredsheten gå ned ved stadig å komme med dårlige anbefalinger.

 

På GOBI vil Telenor Research presentere en case der moderne Machine Learning brukes for å gi mer relevante tilbud i et av Telenors asiatiske markeder.  Casen går ut på å velge riktig målgruppe ut fra titalls millioner av kontantkortkunder.  Resultat: Med Machine Learning-algoritmer økes respons-raten på kampanjer hele 13 ganger!

 

I tillegg til å forbedre kommunikasjon og anbefalinger til kunden, så kan telekommunikasjonsdata brukes av forskere som utvikler modeller for smittespredning. Ved å se på hvordan ringevolum fordeles på basestasjoner kan man estimere hvordan menneskemasser forflytter seg innad i et land.  Siden smitte følger menneskers bevegelse er dette veldig viktig parameter i modeller for spredning av sykdommer.  Telenor Research jobber sammen med forskere fra Harvard University med å se på hvordan våre data kan bidra til å forbedre sykdomsspredingsmodeller i utviklingsland.

 

Dersom man kan bli bedre på å forutsi et smitteforløp, så kan man enklere planlegge vaksinasjonsprogram og distribusjon av medisiner.  Det samme gjelder også ved store naturkatastrofer som tsunamier og jordskjelv: Hvor skal man sende nødhjelp og hvor skal man bygge leire for husløse flyktninger?  Ringevolumer aggregert på geografisk nivå kan hjelpe med planlegging/distribusjon av nødhjelp og kun en liten forbedring vil kunne redde menneskeliv.

 

På GOBI 2014 vil Telenor Research gjennom visualiseringer og i eksempler presentere hvordan forskning på mobildata bidrar til bedre kundeinnsikt og markedsføring, samt hvordan forskningen kan gi bedre forståelse av menneskelig oppførsel.

 

kunder

Telenor lytter til kundestemmer over hele verden – og responderer på det som blir sagt.

About Pål Sundsøy

Pål Sundsøy is working as a Data Scientist in Data Analytics group at Telenor Research. Much of his work spans around piloting new ideas in South-East Asia, Scandinavia and Eastern Europe, as well as doing research on massive amounts of call log data. His work is aimed at Visualization, Data Mining and research on large-scale social network analysis & mobility based on mobile communication data